論文の概要: Unsupervised Representation Learning for 3D Mesh Parameterization with Semantic and Visibility Objectives
- arxiv url: http://arxiv.org/abs/2509.25094v1
- Date: Mon, 29 Sep 2025 17:28:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:20.166074
- Title: Unsupervised Representation Learning for 3D Mesh Parameterization with Semantic and Visibility Objectives
- Title（参考訳）: 意味的・可視的対象を考慮した3次元メッシュパラメータ化のための教師なし表現学習
- Authors: AmirHossein Zamani, Bruno Roy, Arianna Rampini,
- Abstract要約: 本稿では,標準的な幾何学保存型UV学習を意味的および可視性に配慮した目的で強化する,教師なし微分可能なフレームワークを提案する。
提案手法は, テクスチャ生成を支援し, 知覚可能なシームアーティファクトを低減できる紫外線アトラスを生成する。
- 参考スコア（独自算出の注目度）: 1.2110331500527989
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent 3D generative models produce high-quality textures for 3D mesh objects. However, they commonly rely on the heavy assumption that input 3D meshes are accompanied by manual mesh parameterization (UV mapping), a manual task that requires both technical precision and artistic judgment. Industry surveys show that this process often accounts for a significant share of asset creation, creating a major bottleneck for 3D content creators. Moreover, existing automatic methods often ignore two perceptually important criteria: (1) semantic awareness (UV charts should align semantically similar 3D parts across shapes) and (2) visibility awareness (cutting seams should lie in regions unlikely to be seen). To overcome these shortcomings and to automate the mesh parameterization process, we present an unsupervised differentiable framework that augments standard geometry-preserving UV learning with semantic- and visibility-aware objectives. For semantic-awareness, our pipeline (i) segments the mesh into semantic 3D parts, (ii) applies an unsupervised learned per-part UV-parameterization backbone, and (iii) aggregates per-part charts into a unified UV atlas. For visibility-awareness, we use ambient occlusion (AO) as an exposure proxy and back-propagate a soft differentiable AO-weighted seam objective to steer cutting seams toward occluded regions. By conducting qualitative and quantitative evaluations against state-of-the-art methods, we show that the proposed method produces UV atlases that better support texture generation and reduce perceptible seam artifacts compared to recent baselines. Our implementation code is publicly available at: https://github.com/AHHHZ975/Semantic-Visibility-UV-Param.
- Abstract（参考訳）: 最近の3D生成モデルは、3Dメッシュオブジェクトのための高品質なテクスチャを生成する。
しかし、それらは一般的に、入力された3Dメッシュが手動メッシュパラメータ化(UVマッピング)を伴うという重い仮定に依存している。
業界調査では、このプロセスが資産創出のかなりの割合を占めており、3Dコンテンツクリエーターにとって大きなボトルネックとなっていることがしばしば示されている。
さらに、既存の自動手法では、(1)意味的認識(UVチャートは意味的に類似した形状の3D部分を調整するべきである)と(2)認識的認識(切り目は見えない領域に置かれるべきである)の2つの重要な基準を無視していることが多い。
これらの欠点を克服し、メッシュパラメータ化プロセスを自動化するために、標準的な幾何保存UV学習を意味的および可視的な目的で強化する、教師なしの微分可能なフレームワークを提案する。
意味認識のためのパイプライン
i)メッシュをセマンティックな3D部分に分割する。
(ii)非教師なし学習UV偏光バックボーン、及び
(iii) 部品ごとのチャートを統一されたUVアトラスに集約する。
視認性を高めるため, 環境閉塞 (AO) を露光促進剤として使用し, 軟質な識別可能なAO強調シームをバックプロパガントすることで, 閉鎖領域に向けて切削シームを操る。
現状技術に対する質的,定量的な評価を行うことにより,提案手法はテクスチャ生成を良好に支援し,近年のベースラインと比較して知覚可能なシームアーティファクトを低減できるUVアトラスを創出することを示す。
私たちの実装コードは、https://github.com/AHHZ975/Semantic-Visibility-UV-Paramで公開されています。
関連論文リスト
- Auto-Regressive Surface Cutting [16.593710516134472]
プロのモデルを模倣して切り目を生成する自動再スキャンモデルSeamGPTを紹介する。
本手法は, 多様体および非多様体メッシュを含むUVアンラッピングベンチマークにおいて, 例外的な性能を実現する。
部品分解のためのクリーンなバウンダリを提供することで、既存の3Dセグメンテーションツールを強化する。
論文 参考訳（メタデータ） (2025-06-22T12:53:07Z) - GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [17.57215792490409]
GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。
提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。
2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
論文 参考訳（メタデータ） (2025-04-28T01:21:35Z) - GEAL: Generalizable 3D Affordance Learning with Cross-Modal Consistency [50.11520458252128]
既存の3Dアベイランス学習手法は、注釈付きデータに制限があるため、一般化と堅牢性に苦慮している。
本稿では,大規模事前学習型2Dモデルを活用することで,3次元アベイランス学習の一般化と堅牢性を高めるための新しいフレームワークであるGEALを提案する。
GEALは、既存のメソッドと、新しいオブジェクトカテゴリ、および破損したデータにおいて、一貫して優れています。
論文 参考訳（メタデータ） (2024-12-12T17:59:03Z) - Bootstraping Clustering of Gaussians for View-consistent 3D Scene Understanding [59.51535163599723]
FreeGSは、教師なしセマンティック組み込み3DGSフレームワークで、2Dラベルを必要とせずに、ビュー一貫性のある3Dシーン理解を実現する。
FreeGSは複雑なデータ前処理のワークロードを避けながら、最先端のメソッドと互換性がある。
論文 参考訳（メタデータ） (2024-11-29T08:52:32Z) - Towards Human-Level 3D Relative Pose Estimation: Generalizable, Training-Free, with Single Reference [65.42565481489132]
人間は、単一のクエリ参照イメージペアのみを前提として、ラベル付けやトレーニングをすることなく、これまで見られなかったオブジェクトの相対的なポーズを容易に推論することができる。
RGB-D参照から3D/2.5D形状認識と2.5D形状認識を併用した新しい3次元一般化可能な相対ポーズ推定法を提案する。
RGBとセマンティックマップ(DINOv2がRGB入力から取得)によってテクスチャ化された2.5Dの回転可能なメッシュを識別し、新しいRGBとセマンティックマップを新しい回転ビューの下でレンダリングする。
論文 参考訳（メタデータ） (2024-06-26T16:01:10Z) - RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering
Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。
本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文 参考訳（メタデータ） (2023-12-19T03:39:56Z) - Nuvo: Neural UV Mapping for Unruly 3D Representations [61.87715912587394]
既存のUVマッピングアルゴリズムは、最先端の3D再構成と生成技術によって生成された幾何学で動作する。
本稿では,3次元再構成と生成技術により生成された幾何学的手法を用いたUVマッピング手法を提案する。
論文 参考訳（メタデータ） (2023-12-11T18:58:38Z) - Consistency of Implicit and Explicit Features Matters for Monocular 3D
Object Detection [4.189643331553922]
モノクロ3D物体検出は、低コストの自律エージェントが周囲を知覚する一般的な解決策である。
本報告では,3次元表現における暗黙的特徴と明示的特徴の相違を解消するために,第1の配向認識画像バックボーンを用いたCIEFを提案する。
CIEFは、提出時にKITTIの3DおよびBEV検出ベンチマークで報告されたすべての手法の中で、第1位にランクされた。
論文 参考訳（メタデータ） (2022-07-16T13:00:32Z) - AE-NeRF: Auto-Encoding Neural Radiance Fields for 3D-Aware Object
Manipulation [24.65896451569795]
我々は,AE-NeRF(Auto-Aware Neural Radiance Fields)と呼ばれる3次元物体操作のための新しいフレームワークを提案する。
我々のモデルは自動エンコーダアーキテクチャで定式化され、画像から3次元形状、外観、カメラポーズなどの不整形3D属性を抽出する。
歪み生成ニューラルレージアンスフィールド(NeRF)による特性から高品質な画像が描画される
論文 参考訳（メタデータ） (2022-04-28T11:50:18Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based
Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。
自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。
本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-12T06:25:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。